Claude Code vs Codex vs OpenCode 深度对比
评审日期：2026-06-05
评审范围：Agent Harness 架构、Token 消耗、上下文管理、能力评估
项目
开发方
定位
开源状态
Claude Code Anthropic
CLI Agent Harness（官方产品）
源码泄露（非官方开源）
Codex OpenAI
CLI Agent Harness（官方产品）
开源（Apache-2.0 / MIT）
OpenCode Anomaly
CLI Agent Harness（社区项目）
开源（MIT）
Agent Harness 是包裹 LLM 的运行时基础设施，让模型能作为 agent 工作。
Agent Harness = Tools + Knowledge + Observation + Action + Permissions
核心循环：
消息 → LLM → 响应
├─ tool_use → 执行工具 → 结果回传 LLM
└─ text → 返回用户
组件
Claude Code
Codex
OpenCode
Tools 40 个工具
42 个处理器
18 个工具
Knowledge CLAUDE.md + Skill + MCP + Memory
AGENTS.md + memories 扩展
AGENTS.md
Observation Git diff、文件系统、终端、浏览器
文件系统、终端、Git
文件系统、终端
Action CLI、API、文件、Git、团队协作
Shell、文件、MCP
Shell、文件
Permissions 3 种模式 + 工具级权限 + Hook
permissions.toml + 请求审批
基本权限
Context 管理 5 层压缩体系
2 层压缩体系
1 层压缩体系
多代理 AgentTool + TeamCreate
agent_jobs + 层级代理
无
记忆系统 Session Memory + 文件记忆
memories 扩展（26 个文件）
无
技能系统 SkillTool
skills + core-skills
skill 工具
发送一条简单消息"你好"，估算首次请求的 token 消耗。
⚠️ 方法说明实际 Prompt 文本 的字符数（bytes ÷ 3.5 ≈ tokens）估算。
Claude Code ：从 prompts.ts 函数体返回值和工具 prompt.ts 描述中提取的实际 Prompt 文本Codex ：从 prompts/templates/*.md 模板文件（Prompt 实际存储位置）和处理器的内联 Prompt 文本中提取OpenCode ：直接读取纯文本 .txt 文件（最精确）
这些估算排除了源码中的代码脚手架 （import、类型标注、模板引擎逻辑等），仅统计真正发送给 LLM 的文本内容。
项目
来源
测量方式
大小
估算 Token 数
Claude Code src/constants/prompts.ts提取函数体返回值文本
~17,400 bytes
~5,000
Codex prompts/templates/*.md + .rs 内联模板文件 + 内联 Prompt
~34,800 bytes
~9,900
OpenCode packages/opencode/src/session/prompt/default.txt纯文本 Prompt
8,623 bytes
~2,500
项目
工具数
来源
大小
估算 Token 数
Claude Code 40 个
提取自 tools/*/prompt.ts 描述文本
~59,100 bytes
~16,900
Codex 42 个
提取自 tools/handlers/*.rs 内联 Prompt
~13,000 bytes
~3,700
OpenCode 18 个
纯文本 tool/*.txt
16,319 bytes
~4,700
项目
System Prompt
Tool 定义
消息开销
总计
Claude Code ~5,000
~16,900
~500
~22,400
Codex ~9,900
~3,700
~500
~14,100
OpenCode ~2,500
~4,700
~300
~7,500
排名
项目
Token 消耗
评价
🥇 1
OpenCode ~7,500
最省 token，轻量级设计
🥈 2
Codex ~14,100
中等消耗，功能丰富
🥉 3
Claude Code ~22,400
最高消耗，功能最全
4.1 Claude Code — 5 层压缩体系
层级
机制
说明
L1 MicroCompact
选择性压缩特定工具结果（FileRead、Shell、Grep、Glob、WebSearch、WebFetch、FileEdit、FileWrite），清除旧输出保留最近的
L2 Session Memory Compact
会话记忆压缩，保留最近 5 条文本消息 + 最少 10K tokens，最多 40K tokens
L3 AutoCompact
自动压缩，当 token 达到上下文窗口 ~93% 时触发，用 LLM 生成摘要
L4 Reactive Compact
响应式压缩，API 返回 prompt_too_long 时触发
L5 Context Collapse
上下文折叠（实验性），90% 时提交、95% 时阻塞
关键参数：
AUTOCOMPACT_BUFFER_TOKENS = 13,000
WARNING_THRESHOLD_BUFFER_TOKENS = 20,000
MAX_OUTPUT_TOKENS_FOR_SUMMARY = 20,000
POST_COMPACT_TOKEN_BUDGET = 50,000
POST_COMPACT_MAX_FILES_TO_RESTORE = 5
POST_COMPACT_MAX_TOKENS_PER_FILE = 5,000
POST_COMPACT_SKILLS_TOKEN_BUDGET = 25,000
MAX_CONSECUTIVE_AUTOCOMPACT_FAILURES = 3
独特能力：
Prompt Cache 检测 ：14 种缓存中断向量检测，防止不必要的缓存失效图片/文档剥离 ：压缩前自动剥离图片和文档，节省 token技能截断 ：压缩后重新注入技能时，每个技能最多 5K tokens文件恢复 ：压缩后自动恢复最近 5 个文件内容断路器 ：连续失败 3 次后停止自动压缩，避免浪费 API 调用上下文窗口 ：默认 200K，支持 1M（Claude Sonnet 4 / Opus 4.6）
层级
机制
说明
L1 Auto Compact Window
基于 token 使用量的自动压缩窗口追踪
L2 Compact Task
远程压缩（compact_remote）或内联压缩（compact）
关键参数：
COMPACT_USER_MESSAGE_MAX_TOKENS = 20,000
特点：
远程压缩 ：支持调用远程 API 进行压缩内联压缩 ：本地生成摘要Pre/Post Compact Hooks ：压缩前后可执行钩子压缩分析 ：完整的压缩事件追踪（触发器、原因、状态、阶段）Token 估算 ：使用 approx_token_count 进行估算
缺失能力：
无 MicroCompact（不能选择性压缩工具结果）
无 Session Memory 独立压缩
无 Prompt Cache 优化
无断路器机制
层级
机制
说明
L1 Compaction
自动压缩 + Prune 机制 + 结构化摘要模板
关键参数：
PRUNE_MINIMUM = 20,000 tokens
PRUNE_PROTECT = 40,000 tokens
TOOL_OUTPUT_MAX_CHARS = 2,000 字符
DEFAULT_TAIL_TURNS = 2（保留最近 2 轮对话）
MIN_PRESERVE_RECENT_TOKENS = 2,000
MAX_PRESERVE_RECENT_TOKENS = 8,000
特点：
SUMMARY_TEMPLATE ：结构化摘要模板，包含 Goal → Constraints → Progress → Pending → Active ContextPrune 机制 ：裁剪旧消息，保留最近 N 轮对话工具输出截断 ：工具输出最多 2,000 字符保护机制 ：skill 工具输出受保护不被裁剪
缺失能力：
无 MicroCompact（不能选择性压缩工具结果）
无 Session Memory 独立压缩
无 Prompt Cache 优化
无断路器机制
无远程压缩
排名
项目
评分
核心优势
核心短板
🥇 1
Claude Code ⭐⭐⭐⭐⭐
5 层压缩、Prompt Cache 优化、断路器、文件恢复
复杂度高
🥈 2
Codex ⭐⭐⭐⭐
远程压缩、Hook 系统、完整分析
缺少精细控制
🥉 3
OpenCode ⭐⭐
轻量、结构化摘要模板
功能相对简单
类别
工具
文件操作
FileReadTool、FileWriteTool、FileEditTool、NotebookEditTool
代码搜索
GrepTool、GlobTool、ToolSearchTool
系统执行
BashTool、PowerShellTool、REPLTool
Web 访问
WebFetchTool、WebSearchTool
任务管理
TaskCreateTool、TaskGetTool、TaskListTool、TaskUpdateTool、TaskOutputTool、TaskStopTool
多代理
AgentTool、SendMessageTool
团队协作
TeamCreateTool、TeamDeleteTool
计划模式
EnterPlanModeTool、ExitPlanModeTool
Worktree
EnterWorktreeTool、ExitWorktreeTool
技能
SkillTool
配置
ConfigTool
定时任务
ScheduleCronTool（CronCreate、CronDelete、CronList）
用户交互
AskUserQuestionTool
其他
BriefTool、SleepTool、SyntheticOutputTool、TodoWriteTool、RemoteTriggerTool
MCP
MCPTool、ListMcpResourcesTool、ReadMcpResourceTool、McpAuthTool
LSP
LSPTool
类别
工具
代码执行
shell、shell_command、unified_exec
文件操作
apply_patch
多代理
agent_jobs、multi_agents、spawn_agents_on_csv、close_agent、resume_agent
目标系统
create_goal、update_goal、get_goal、goal
MCP
mcp、mcp_resource、read_mcp_resource、list_mcp_resources
用户交互
request_user_input、request_permissions
插件
request_plugin_install、list_available_plugins_to_install
技能
5 个内置技能（imagegen、openai-docs、plugin-creator、skill-creator、skill-installer）+ core-skills 框架
搜索
tool_search
其他
plan、send_message、send_input、view_image、write_stdin
类别
工具
文件操作
read、write、edit、apply_patch
代码搜索
grep、glob
系统执行
shell
Web 访问
webfetch、websearch
任务管理
task、todowrite
用户交互
question
计划模式
plan（enter/exit）
技能
skill
LSP
lsp
其他
external-directory、json-schema、mcp-websearch
能力
Claude Code
Codex
OpenCode
子代理生成
✅ AgentTool
✅ agent_jobs
❌
嵌套代理
✅ 支持
✅ 支持
❌
团队协作
✅ TeamCreate + SendMessage
❌
❌
批量代理
❌
✅ spawn_agents_on_csv
❌
代理通信
✅ 异步邮箱
✅ send_message
❌
代理生命周期
✅ 创建/关闭/恢复
✅ 创建/关闭/恢复
❌
工作隔离
✅ Worktree
❌
❌
能力
Claude Code
Codex
OpenCode
Session Memory
✅
❌
❌
文件记忆
✅ Memory 文件
✅ memories 扩展
❌
记忆提取
✅ 自动提取
✅ ad_hoc_note
❌
记忆搜索
✅
✅ search 工具
❌
记忆列表
✅
✅ list 工具
❌
记忆压缩
✅ Session Memory Compact
❌
❌
能力
Claude Code
Codex
OpenCode
权限模式
✅ 3 种（default/bypass/strict）
✅ permissions.toml
⚠️ 基本
工具级权限
✅
✅
❌
Hook 审批
✅
✅ Pre/Post Hooks
❌
权限请求
✅ AskUserQuestion
✅ request_permissions
❌
沙箱隔离
✅
✅
❌
优点：
完整的 TypeScript 类型系统
详细的错误处理和日志记录
丰富的配置选项和环境变量
完善的测试覆盖
缺点：
代码复杂度高（print.ts 有 5,594 行，单个函数 3,167 行，嵌套 12 层）
大量条件编译（feature() 宏）
部分代码有技术债务
优点：
Rust 实现，性能优秀
清晰的模块化设计
完善的测试覆盖
良好的错误处理
缺点：
优点：
缺点：
Token 效率
★★★★★
|
|
上下文管理 ★★★★★ ----+---- ★★★★★ 工具丰富度
|
|
★★★★★
多代理能力
维度
Claude Code
Codex
OpenCode
Token 效率
⭐⭐
⭐⭐⭐
⭐⭐⭐⭐⭐
上下文管理
⭐⭐⭐⭐⭐
⭐⭐⭐⭐
⭐⭐
工具丰富度
⭐⭐⭐⭐⭐
⭐⭐⭐⭐⭐
⭐⭐⭐
多代理能力
⭐⭐⭐⭐⭐
⭐⭐⭐⭐
⭐
记忆系统
⭐⭐⭐⭐⭐
⭐⭐⭐
⭐
权限控制
⭐⭐⭐⭐⭐
⭐⭐⭐⭐
⭐⭐
代码质量
⭐⭐⭐⭐
⭐⭐⭐⭐⭐
⭐⭐⭐
易用性
⭐⭐⭐
⭐⭐⭐
⭐⭐⭐⭐⭐
排名
项目
综合评分
定位
🥇 1
Claude Code ⭐⭐⭐⭐⭐
企业级全功能 Agent Harness
🥈 2
Codex ⭐⭐⭐⭐
高性能多代理 Agent Harness
🥉 3
OpenCode ⭐⭐⭐
轻量级入门 Agent Harness
场景
推荐项目
原因
企业级开发 Claude Code
功能最全面，上下文管理最好
长对话任务 Claude Code
5 层压缩体系，不会丢失上下文
多代理协作 Codex
agent_jobs 系统强大，支持批量生成
追求性能 Codex
Rust 实现，性能优秀
简单任务 OpenCode
最省 token，轻量级
学习研究 OpenCode
代码简洁，易于理解
预算有限 OpenCode
Token 消耗最低
Claude Code 的上下文管理是碾压级的 ：5 层压缩体系（Micro → Session Memory → Auto → Reactive → Context Collapse）远超其他两个项目Codex 的多代理能力最强 ：agent_jobs 系统支持批量生成、CSV 导入，适合大规模代理协作OpenCode 最省 token ：约 7,500 tokens，是 Claude Code 的 1/3，适合简单任务三者都有上下文管理 ：Claude Code 5 层 > Codex 2 层 > OpenCode 1 层
上下文管理将成为核心竞争力 ：随着对话长度增加，有效的上下文压缩能大幅降低 token 成本多代理协作是发展方向 ：Claude Code 和 Codex 都在加强多代理能力轻量级方案有其市场 ：OpenCode 证明了简单、省 token 的方案也有用户需求
如果只能选一个 ：选 Claude Code，它的上下文管理能力无可替代如果追求性价比 ：选 Codex，功能和 token 消耗之间取得了平衡如果只是入门 ：选 OpenCode，简单易用，资源消耗少
数据项
来源
Claude Code 源码
chauncygu/collection-claude-code-source-code 仓库 original-source-code/ 目录
Codex 源码
openai/codex 仓库
OpenCode 源码
anomalyco/opencode 仓库
Token 估算
基于源码中的文件大小和内容分析（~3.5 bytes/token）
上下文管理分析
基于源码中的 compact 相关文件
System Prompt: src/constants/prompts.ts（源码 54KB，提取 Prompt 文本 ~17KB）
Tool 定义: src/tools/*/prompt.ts（源码 132KB，提取描述文本 ~59KB）
AutoCompact: src/services/compact/autoCompact.ts
MicroCompact: src/services/compact/microCompact.ts
Session Memory: src/services/compact/sessionMemoryCompact.ts
上下文窗口: src/utils/context.ts
System Prompt: codex-rs/prompts/templates/*.md（~31KB，实际 Prompt）+ prompts/src/*.rs 内联（~4KB）
Compact: codex-rs/core/src/compact.rs
Auto Compact Window: codex-rs/core/src/state/auto_compact_window.rs
Memories: codex-rs/ext/memories/（26 个 .rs 文件）
System Prompt: packages/opencode/src/session/prompt/default.txt（8,623 bytes）
Tool 定义: packages/opencode/src/tool/*.txt（16,319 bytes）
Compaction: packages/opencode/src/session/compaction.ts（640 行）
术语
定义
Agent Harness
包裹 LLM 的运行时基础设施，提供工具、知识、观察、行动、权限
MicroCompact
选择性压缩特定工具结果的机制
Session Memory
会话记忆，跨对话保持的上下文信息
AutoCompact
当 token 使用量达到阈值时自动触发的压缩
Reactive Compact
当 API 返回 prompt_too_long 时触发的响应式压缩
Context Collapse
上下文折叠，实验性的高级压缩机制
Prompt Cache
LLM 提供商的提示缓存机制，可降低重复请求的成本
断路器
连续失败 N 次后停止尝试的保护机制
本文档基于 2026-06-05 的源码分析生成，各项目可能已有更新。
